Эта статья изначально была опубликована в посте neurotech Africa blog . Как специалист по работе с данными может определить, положительное или отрицательное отношение к суахили в социальных сетях? Как специалист по данным, одна из лучших практик — нести ответственность за имеющиеся решения, понимая, как работает созданная вами модель, и прогнозируя результаты. Я столкнулся с настроениями на суахили в социальных сетях, и, поскольку я говорю на суахили, мне было любопытно понять..

Недавно я столкнулся с серьезной проблемой. Мы делали доказательство концепции для анализа чемпион-претендент + исследование XAI. Это было сделано с деловым партнером, модели которого написаны как запросы if-else в salesforce . Часть нашей команды стремилась создать претендентов на ML в mlr (R), в то время как другие стремились к scikit-learn (python). Как будто этого было недостаточно, я собирался попробовать h2o automl (java + wrappers в R / python) в качестве теста. Данные..

Поскольку объем генерируемых данных растет экспоненциально день ото дня, все отрасли начали адаптировать машинное обучение для принятия жизненно важных решений на основе данных. Большинство из этих сложных алгоритмов машинного обучения часто являются «черным ящиком» по своей природе, что означает, что они делают хорошие прогнозы, но вы не можете ни понять, ни интерпретировать логику этих прогнозов. В этих сценариях, если точность или какие-либо показатели производительности модели..

Поскольку с нейронными сетями происходит почти все, самое время понять логическую интуицию с минимальной математикой за ней. Вступление Машинное обучение - это область исследования, которая фокусируется на улучшении показателя эффективности за счет опыта решения некоторых конкретных задач. С введением профессором ЛеКуном LeNet-5 по классификации набора данных рукописных цифр (MNIST) в конце 90-х, люди в исследовательском сообществе пришли к пониманию того, что нейронные сети с..

Большинство инженеров по машинному обучению создают модель, оценивают модель, а затем решают либо переключиться на вкладку с играми, либо довольны результатами, сделать снимок экрана с результатами и опубликовать его. Но чувствовали ли вы когда-нибудь, что ваши модели заслуживают доверия, хотя они не являются экспертами в предметной области? Если нет, давайте рассмотрим, как вы можете завоевать доверие своей модели и сотрудничать с вашим детским товаром, чтобы сделать вашу жизнь лучше 😄..

Что такое справедливость в ИИ? Как мы можем это решить? Реализация сценария использования модели справедливости. Системы искусственного интеллекта (AI) и машинного обучения (ML) все чаще используются во всех секторах и обществах. Наряду с этим в последние годы все большее внимание уделяется модели справедливости . Это поле предназначено для оценки того, насколько справедлива модель при обработке ранее существовавших предубеждений в данных: справедливо ли, что система подбора..